搜索资源列表
Ch02
- 《机器学习实战》源代码 第二章的代码,代码为python代码 可以到官网上下载 里面有KNN算法，决策表算法，SVM支持向量机算法等等。后面章节待传。-machine learning source code 2nd
Ch03
- 《机器学习实战》源代码 第二章的代码,代码为python代码 可以到官网上下载 里面有KNN算法，决策表算法，SVM支持向量机算法等等。后面章节待传。-Machine Learning 2nd
Ch04
- 《机器学习实战》源代码 第二章的代码,代码为python代码 可以到官网上下载 里面有KNN算法，决策表算法，SVM支持向量机算法等等。后面章节待传。-Machine Learning 4nd
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
<<机器学习实战》源代码
- 《机器学习实战》源代码,代码为python代码 可以到官网上下载 里面有KNN算法，决策表算法，SVM支持向量机算法等
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
7.支持向量机
- python中的sklearn的SVM实例演练代码，立刻熟悉SVM的使用过程以及参数调整(Sklearn's SVM instance drill code in python, immediately familiar with the use of SVM and parameter tuning)
14.SVM代码
- python 实现了支持向量机，简单好用(support vector machine a kind of classification algorithm, realize in python)
svm
- 使用smo算法实现了支持向量机的python代码(complete the svm mode and Sequential minimal optimization with python code)
LSSVM-master
- 本代码为最小二乘支持向量机，用于分类和预测，基于python。(This code is a least squares support vector machine, which is used for classification and prediction based on python.)
svm
- 该代码实现了经典的SVM支持向量机算法，Python语言编写，产生结果图。(This code implements the classic SVM support vector machine algorithm, Python language, and produces the result graph.)
03SVM
- 支持向量机的python实现和用于lfw人脸识别的示例(Python implementation of support vector machines and examples of LFW face recognition)
SVR
- SVR源码以及详细交通流预测模型，里面有SVM，SVR，LSSVM(SVR source code and detailed traffic flow prediction model, including SVM, SVR, LSSVM)
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to fit and predict the data. It c